大規模データストリームのための履歴情報を用いたカーネル法の拡張

概要

論文の詳細を見る
カーネル法を適用した非線形サポートベクタマシン(SVM)は,最も識別精度に優れたモデルの1つである.しかし,時間とともに複雑な変化をともなう実世界のデータストリームに対する識別精度は十分ではなく,これを向上させることは重要な課題である.一方,カーネル法は,適切にカーネル関数を設計することで配列やグラフ等の構造を持つデータを入力に扱えるように拡張され,従来のベクトル形式のデータを入力にするよりも高い識別精度が得られている.そこで本論文では,カーネル法を拡張して,データストリームを構造データと見なして識別する手法を提案する.この構造データは,データストリームのオンラインで到着するデータと,過去いくつかの履歴情報をまとめたものである.我々はこの履歴情報から得られるデータストリームの変化を,識別の特徴に用いるカーネル関数を構築し,これをストリームカーネルと呼ぶ.ストリームカーネルを適用した非線形SVMは,約70万件の実際のクレジットカードデータを用いた不正利用と正常利用の識別実験において,構造データを用いない従来手法よりも誤識別の数を約40%減少させ,不正利用らしさが上位のデータ中では最大で約2倍の不正利用顧客数を検出した.
2008-12-26

大規模データストリームのための履歴情報を用いたカーネル法の拡張

スポンサーリンク

概要

著者

関連論文

スポンサーリンク